CIRCT项目中LLHD内存到寄存器转换的驱动合并问题分析
2025-07-08 23:29:34作者:鲍丁臣Ursa
背景介绍
在数字电路设计中,内存到寄存器转换(Mem2Reg)是一个常见的优化过程,它能够将基于内存的存储操作转换为寄存器操作,从而提高电路性能。CIRCT项目中的LLHD(低级硬件描述)中间表示也实现了这一优化过程。
问题描述
在LLHD的Mem2Reg转换过程中,存在一个关于信号驱动合并的问题。当多个驱动操作(drv)连续作用于同一个信号时,当前的转换逻辑未能正确合并这些驱动的使能条件,导致最终结果只保留了最后一个驱动操作,而忽略了前面所有驱动的条件逻辑。
技术细节分析
原始代码展示了三个连续驱动操作:
- 无条件驱动信号
a为u - 在条件
q为真时驱动信号a为v - 在条件
r为真时驱动信号a为w
理想情况下,Mem2Reg转换应该将这些驱动合并为一个多路选择逻辑,其选择条件应该为:
- 当
r为真时选择w - 当
r为假但q为真时选择v - 当
r和q都为假时选择u
然而,当前实现仅保留了最后一个驱动操作(条件r为真时选择w),完全丢失了前两个驱动的逻辑。
影响范围
这个问题会影响所有使用LLHD中间表示并通过Mem2Reg转换的硬件设计,特别是那些包含条件信号驱动的设计。错误的转换会导致功能不正确,因为部分驱动条件被完全忽略。
解决方案思路
正确的实现应该:
- 识别同一信号的所有驱动操作
- 分析这些驱动的时间关系(本例中都是在相同时间点)
- 构建一个优先级编码的多路选择逻辑,其中后面的驱动优先级高于前面的驱动
- 生成合并后的条件表达式
对于本例,正确的合并逻辑应该是:
a = r ? w : (q ? v : u)
实现考虑
在实际实现中,需要考虑以下技术点:
- 驱动操作的时间戳比较
- 条件表达式的构建和简化
- 多级条件嵌套的处理
- 与现有LLHD中间表示的兼容性
总结
LLHD的Mem2Reg转换在处理连续驱动操作时存在逻辑合并不完整的问题。正确的实现应该考虑所有驱动操作的优先级关系,并构建完整的条件选择逻辑。这个问题对于依赖条件信号驱动的硬件设计尤为重要,修复后将提高转换结果的正确性和可靠性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218